技术领域
[0001] 本发明涉及安全检测技术领域，尤其涉及一种安全帽检测与颜色识别方法、系统、存储介质及计算机设备。
相关背景技术
[0002] 在一般的生产作业中，往往需要工作人员严格按照规范佩戴安全帽进行工作；为此，需要检测处于工作区域内的工作人员是否有佩戴相应的安全帽。同时，某些生产车间或施工场所由于某种规定要求，不同职能的工作人员需要戴不同颜色的安全帽，而某些条件下施工必须在技术人员或者监督人员在场情况下进行。因此，针对安全帽颜色的有效识别不仅可以保证安全生产的稳定进行，生产时也可以监管对应的人员是否脱岗。
[0003] 现有技术提出了基于神经网络的安全帽颜色检测方法，主要有两种方案：其一：将从摄像头获取的原始数据，直接送入安全帽检测模型，然后输出检测与识别的结果；这种方案要求安全帽检测模型的输入大小，需要尽量与原始的从摄像头获取的图片大致一致，才能保证图像中尺寸较小的安全帽的特征不会被明显压缩损失。若安全帽检测模型的输入大小过大，会导致推理时间很长，不能很好的应用到使用场景中；并且在复杂场景中也可能因为安全帽检测模型的泛化能力不足，无法准确的定位与分类安全帽颜色。其二：使用传统计算机视觉的方法识别安全帽的颜色；该方案使用安全帽目标检测模型检测出安全帽区域之后，使用传统的计算机视觉方法，分析判断安全帽的颜色。但这种方法缺点是无法准确的识别光线较暗、安全帽脏污时的安全帽颜色。
[0004] 综上可知，现有的方法在实际使用上，存在着较多的问题，所以有必要加以改进。
具体实施方式
[0043] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0044] 需要说明的，本说明书中针对“一个实施例”、“实施例”、“示例实施例”等的引用，指的是描述的该实施例可包括特定的特征、结构或特性，但是不是每个实施例必须包含这些特定特征、结构或特性。此外，这样的表述并非指的是同一个实施例。进一步，在结合实施例描述特定的特征、结构或特性时，不管有没有明确的描述，已经表明将这样的特征、结构或特性结合到其它实施例中是在本领域技术人员的知识范围内的。
[0045] 此外，在说明书及后续的权利要求当中使用了某些词汇来指称特定组件或部件，所属领域中具有通常知识者应可理解，制造商可以用不同的名词或术语来称呼同一个组件或部件。本说明书及后续的权利要求并不以名称的差异来作为区分组件或部件的方式，而是以组件或部件在功能上的差异来作为区分的准则。在通篇说明书及后续的权利要求书中所提及的“包括”和“包含”为一开放式的用语，故应解释成“包含但不限定于”。以外，“连接”一词在此系包含任何直接及间接的电性连接手段。间接的电性连接手段包括通过其它装置进行连接。
[0046] 图1示出本发明一实施例提供的安全帽检测与颜色识别方法，所述方法应用于检测人员佩戴安全帽的情况及其对应的安全帽颜色信息，所述方法包括步骤如下：
[0047] S101：获取待测图像。具体实施时，通过至少一监控设备对目标区域进行监控拍摄，进而从该监控设备拍摄的画面中提取出所述待测图像。
[0048] 一种可选的实施方式中，步骤S101具体包括：获取视频监控画面中基于预设的视频抽帧规则确定的所述待测图像。预设的视频抽帧规则可由后台管理人员设置而成，例如将所述视频抽帧规则设置为每秒提取一帧或每半秒提取一帧；具体的，本实施例的视频监控画面为实时监控画面，即本实施例实时从视频监控画面中捕获出待测图像进行检测。
[0049] S102：检测所述待测图像上是否存在人体目标。其中，人体目标可通过人形轮廓，上半身轮廓和/或头部轮廓确定；即本实施例检测该待测图像上是否存在有人形特征、上半身特征和/或头部特征，若存在则将检测出的特征所在位置上的人形轮廓、上半身轮廓和/或头部轮廓确定为人体目标。
[0050] 若该待测图像上存在多个人体目标，则分别针对各个人体目标生成一一对应的区分标识进行区分。
[0051] 一种可选的实施方式中，步骤S102具体包括：将所述待测图像输入至人体检测模型，并基于所述人体检测模型对应输出的人体检测结果确定是否存在人体目标。具体的，若该待测图像上存在至少一个人体目标，则该人体检测模型对应输出的人体检测结果中包含着各个人体目标在该待测图像上的相对位置信息；可选的，根据上述的相对位置信息，可利用人体目标框在待测图像上框选出对应的人体目标。
[0052] S103：若存在所述人体目标，则截取所述人体目标所在位置的第一感兴趣区域，并将所述第一感兴趣区域输入至预训练好的安全帽检测模型。即第一感兴趣区域包含着对应的人体目标，本实施例从待测图像上将对应的人体目标截取出来以作为安全帽检测模型的输入数据，从而可避免因输入安全帽检测模型的输入数据过大而导致检测时间过长，同时所述第一感兴趣区域上保留着该人体目标全部的特征，故而尽量保留着所述安全帽检测模型的输入数据上的特征，保证了输入安全帽检测模型的输入数据不会被明显压缩损失。可选的，本实施例的安全帽检测模型预先通过若干训练图片训练而成。
[0053] 参见图2，可选的，步骤S103具体包括：
[0054] S1031：若所述人体检测结果确定存在人体目标时，在所述待测图像上剪切出人体目标所在位置的所述第一感兴趣区域。具体实施时，第一感兴趣区域的边界由所述人体目标的轮廓确定；第一感兴趣区域为包含着所述人体目标全部人体特征的矩形图像。
[0055] S1032：将所述第一感兴趣区域输入至预训练好的安全帽检测模型，以获得安全帽检测模型对应输出的安全帽检测结果。
[0056] 可选的，步骤S103之后还包括：若安全帽检测模型对应输出的检测结果确定所述人体目标未佩戴安全帽时，生成报警信息。
[0057] S104：若安全帽检测模型对应输出的检测结果确定所述人体目标佩戴安全帽时，截取所述安全帽所在位置的第二感兴趣区域，并将第二感兴趣区域输入至高斯混合模型。本实施例的安全帽检测模型针对人体目标是否佩戴安全帽的检测原理为：识别出是否存在安全帽，若存在安全帽则进一步获取该安全帽对应的特征位置，最终判断该特则位置是否处于人体头部特征区域。具体实施时，若该安全帽检测模型对应输出的检测结果确定人体目标佩戴着安全帽时，通过目标框在第一感兴趣区域上框选出该安全帽，进而将该目标框从第一感兴趣区域上截取出来，以作为高斯混合模型的输入数据。
[0058] 参见图3，可选的，步骤S104具体包括：
[0059] S1041：若所述安全帽检测结果确定所述人体目标佩戴安全帽时，在第一感兴趣区域上剪切出所述安全帽所在位置的第二感兴趣区域。其中，第二感兴趣区域的边界根据第一感兴趣区域上的安全帽的轮廓确定，该第二感兴趣区域为包含着安全帽全部特征的矩形图像。
[0060] S1042：将所述第二感兴趣区域输入至所述高斯混合模型。
[0061] 一实施例中，步骤S104之前还包括：将所述第二感兴趣区域的图像大小转换为预设尺寸，并将经尺寸转换后的所述第二感兴趣区域的图像数据转化为一维向量。本实施例将第二感兴趣区域的图像区域转换成预设尺寸并同时将其拉直成一维向量，以便于输入到所述高斯混合模型中。
[0062] S105：根据所述高斯混合模型计算得出的颜色概率值得分，以将颜色概率值最高得分对应的颜色类别确定为安全帽颜色。高斯模型是通过高斯概率密度函数(正态分布曲线)精确地量化事物，将一个事物分解为若干的基于高斯概率密度函数(正态分布曲线)形成的模型。其对图像背景建立高斯模型的原理及过程：图像灰度直方图反映的是图像中某个灰度值出现的频次，也可以以为是图像灰度概率密度的估计。本实施例采用高斯混合模型针对第二感兴趣区域进行分析，以获得该第二感兴趣区域的图像中各个灰度值出现的频次，并生成对应的颜色概率值得分；得分越高，则表示对应颜色在图像中的占比越大；据此，由于第二感兴趣区域为安全帽图像，因此本实施例将所述高斯混合模型计算得出的颜色概率值最高得分的颜色类别确定为安全帽颜色。
[0063] 参见图4，一种可选的实施方式中，步骤S105具体包括：
[0064] S1051：获取所述高斯混合模型输出各颜色类别对应的所述颜色概率值得分。经高斯混合模型计算获得第二感兴趣区域对应的各颜色类别对应的颜色概率值得分，通过各个颜色类别的颜色概率值得分可获悉该第二感兴趣区域上各种颜色所占比例。
[0065] S1052：根据所述颜色概率值得分之间的比较，将颜色概率值最高得分对应的所述颜色类别确定为安全帽颜色。由于第二感兴趣区域基于所述安全帽的轮廓所确定，因此通过将各个颜色类别的颜色概率值得分进行比较，其中颜色概率值最大的颜色类别即可确定为安全帽颜色。
[0066] 可选的，步骤S105之后还包括：将基于所述检测结果确定的所述安全帽的检测信息和所述安全帽颜色，上报至预设终端。其中，所述安全帽的检测信息包括该安全帽在待测图像上相对位置信息；本实施例根据所述检测信息及其识别确定出的安全帽颜色生成上报信息，并上报给预设终端；所述预设终端可以是后台终端，进而可通过后台终端存储相应的信息或者根据所上报的信息执行预设的指令操作。
[0067] 本实施例利用人体检测模型检测待测图像上的人体目标，将检测到的人体目标所在的第一感兴趣区域送入安全帽检测模型，若该安全帽检测模型输出的安全帽检测框且类别为佩戴安全帽，则将安全帽检测结果对应的第二感兴趣区域转换成固定尺寸并拉直成一维向量，输入已训练好的高斯混合模型计算安全帽颜色概率值；高斯混合模型根据输入会计算出各颜色类别的概率值分数，比较各颜色类别概率得分，并选择概率值最大的类为安全帽颜色类别；最终输出安全帽检测框与安全帽颜色信息。
[0068] 图5示出本发明一实施例提供的安全帽检测与颜色识别系统100，该系统100应用于检测目标区域内的安全帽佩戴情况及其安全帽颜色，所述系统100包括有获取单元10、第一检测单元20、第二检测单元30、第三检测单元40以及识别确定单元50，其中：
[0069] 获取单元10用于获取待测图像；第一检测单元20用于检测所述待测图像上是否存在人体目标；第二检测单元30用于若存在所述人体目标，则截取所述人体目标所在位置的第一感兴趣区域，并将所述第一感兴趣区域输入至预训练好的安全帽检测模型；第三检测单元40用于若所述安全帽检测模型对应输出的检测结果确定所述人体目标佩戴安全帽时，截取所述安全帽所在位置的第二感兴趣区域，并将所述第二感兴趣区域输入至高斯混合模型；识别确定单元50用于根据所述高斯混合模型计算得出的颜色概率值得分，以将颜色概率值最高得分对应的颜色类别确定为安全帽颜色。
[0070] 可选的，第一检测单元20具体用于：将所述待测图像输入至人体检测模型，并基于所述人体检测模型对应输出的人体检测结果确定是否存在所述人体目标。
[0071] 参见图6，一种可选的实施方式中，所述第二检测单元30具体包括第一剪切子单元31和安全帽检测子单元32，其中：
[0072] 第一剪切子单元31用于若所述人体检测结果确定存在所述人体目标时，在所述待测图像上剪切出所述人体目标所在位置的所述第一感兴趣区域；安全帽检测子单元32用于将所述第一感兴趣区域输入至预训练好的安全帽检测模型，以获得所述安全帽检测模型对应输出的安全帽检测结果。
[0073] 参见图7，一种可选的实施方式中，所述第三检测单元40具体包括第二剪切子单元41和颜色检测子单元42，其中：
[0074] 第二剪切子单元41用于若所述安全帽检测结果确定所述人体目标佩戴所述安全帽时，在所述第一感兴趣区域上剪切出所述安全帽所在位置的所述第二感兴趣区域；颜色检测子单元42用于将所述第二感兴趣区域输入至所述高斯混合模型。
[0075] 一实施例中，还包括有图像处理单元，其用于将所述第二感兴趣区域的图像大小转换为预设尺寸，并将经尺寸转换后的所述第二感兴趣区域的图像数据转化为一维向量。
[0076] 一实施例中，还包括有上报单元，其用于将基于所述检测结果确定的所述安全帽的检测信息和所述安全帽颜色，上报至预设终端。
[0077] 一实施例中，可选的，还包括报警单元，其用于若所述安全帽检测模型对应输出的所述检测结果确定所述人体目标未佩戴安全帽时，生成报警信息。
[0078] 可选的，所述获取单元10具体用于：获取视频监控画面中基于预设的视频抽帧规则确定的所述待测图像。
[0079] 参见图8，一种可选的实施方式中，所述识别确定单元50具体包括概率值得分子单元51和颜色确定子单元52，其中：
[0080] 概率值得分子单元51用于获取所述高斯混合模型输出各颜色类别对应的所述颜色概率值得分；颜色确定子单元52用于根据所述颜色概率值得分之间的比较，将颜色概率值最高得分对应的所述颜色类别确定为所述安全帽颜色。
[0081] 本发明还提供一种存储介质，用于存储如图1～图4所述安全帽检测与颜色识别方法的计算机程序。例如计算机程序指令，当其被计算机执行时，通过该计算机的操作，可以调用或提供根据本申请的方法和/或技术方案。而调用本申请的方法的程序指令，可能被存储在固定的或可移动的存储介质中，和/或通过广播或其他信号承载媒体中的数据流而被传输和/或被存储在根据程序指令运行的计算机设备的存储介质中。在此，根据本申请的一个实施例包括如图5所示安全帽检测与颜色识别系统的计算机设备，所述计算机设备优选包括用于存储计算机程序的存储介质和用于执行计算机程序的处理器，其中，当该计算机程序被该处理器执行时，触发该计算机设备执行基于前述多个实施例中的方法和/或技术方案。
[0082] 需要注意的是，本申请可在软件和/或软件与硬件的组合体中被实施，例如，可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中，本申请的软件程序可以通过处理器执行以实现上文步骤或功能。同样地，本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中，例如，RAM存储器，磁或光驱动器或软磁盘及类似设备。另外，本申请的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个步骤或功能的电路。
[0083] 根据本发明的方法可以作为计算机实现方法在计算机上实现、或者在专用硬件中实现、或以两者的组合的方式实现。用于根据本发明的方法的可执行代码或其部分可以存储在计算机程序产品上。计算机程序产品的示例包括存储器设备、光学存储设备、集成电路、服务器、在线软件等。优选地，计算机程序产品包括存储在计算机可读介质上以便当所述程序产品在计算机上执行时执行根据本发明的方法的非临时程序代码部件。
[0084] 在优选实施例中，计算机程序包括适合于当计算机程序在计算机上运行时执行根据本发明的方法的所有步骤的计算机程序代码部件。优选地，在计算机可读介质上体现计算机程序。
[0085] 综上所述，本发明所述的安全帽检测与颜色识别方法及其系统，通过获取待测图像，并检测该待测图像上是否存在人体目标；若存在，则截取对应的人体目标的第一感兴趣区域，并将其输入至预训练好的安全帽检测模型；若经所述安全帽检测模型检测确定所述人体目标佩戴安全帽时，进一步截取所述安全帽的第二感兴趣区域，并将第二感兴趣区域输入至高斯混合模型，通过高斯混合模型计算其颜色概率值得分，再将颜色概率值最高得分对应的颜色类别确定为安全帽颜色，最终输出对应的安全帽检测信息以及安全帽颜色。即本发明能够保证安全帽检测场景的图片不压缩，安全帽的特征尽可能保留，从而提高安全帽检测的准确率；并且能够准确检测出对应的安全帽颜色，以便于对生产区域内的人员进行管控。
[0086] 当然，本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
[0087] 本发明还提供了A1、一种安全帽检测与颜色识别方法，包括步骤：
[0088] 获取待测图像；
[0089] 检测所述待测图像上是否存在人体目标；
[0090] 若存在所述人体目标，则截取所述人体目标所在位置的第一感兴趣区域，并将所述第一感兴趣区域输入至预训练好的安全帽检测模型；
[0091] 若所述安全帽检测模型对应输出的检测结果确定所述人体目标佩戴安全帽时，截取所述安全帽所在位置的第二感兴趣区域，并将所述第二感兴趣区域输入至高斯混合模型；
[0092] 根据所述高斯混合模型计算得出的颜色概率值得分，以将颜色概率值最高得分对应的颜色类别确定为安全帽颜色。
[0093] A2、根据A1所述的安全帽检测与颜色识别方法，所述检测所述待测图像上是否存在人体目标的步骤具体包括：
[0094] 将所述待测图像输入至人体检测模型，并基于所述人体检测模型对应输出的人体检测结果确定是否存在所述人体目标。
[0095] A3、根据A2所述的安全帽检测与颜色识别方法，所述若存在所述人体目标，则截取所述人体目标所在位置的第一感兴趣区域，并将所述第一感兴趣区域输入至预训练好的安全帽检测模型的步骤具体包括：
[0096] 若所述人体检测结果确定存在所述人体目标时，在所述待测图像上剪切出所述人体目标所在位置的所述第一感兴趣区域；
[0097] 将所述第一感兴趣区域输入至预训练好的安全帽检测模型，以获得所述安全帽检测模型对应输出的安全帽检测结果。
[0098] A4、根据A3所述的安全帽检测与颜色识别方法，所述若所述安全帽检测模型对应输出的检测结果确定所述人体目标佩戴安全帽时，截取所述安全帽所在位置的第二感兴趣区域，并将所述第二感兴趣区域输入至高斯混合模型的步骤具体包括：
[0099] 若所述安全帽检测结果确定所述人体目标佩戴所述安全帽时，在所述第一感兴趣区域上剪切出所述安全帽所在位置的所述第二感兴趣区域；
[0100] 将所述第二感兴趣区域输入至所述高斯混合模型。
[0101] A5、根据A4所述的安全帽检测与颜色识别方法，所述将所述第二感兴趣区域输入至所述高斯混合模型的步骤之前还包括：
[0102] 将所述第二感兴趣区域的图像大小转换为预设尺寸，并将经尺寸转换后的所述第二感兴趣区域的图像数据转化为一维向量。
[0103] A6、根据A1所述的安全帽检测与颜色识别方法，所述根据所述高斯混合模型计算得出的颜色概率值得分，以将颜色概率值最高得分对应的颜色类别确定为安全帽颜色的步骤之后还包括：
[0104] 将基于所述检测结果确定的所述安全帽的检测信息和所述安全帽颜色，上报至预设终端。
[0105] A7、根据A1所述的安全帽检测与颜色识别方法，所述若存在所述人体目标，则截取所述人体目标所在位置的第一感兴趣区域，并将所述第一感兴趣区域输入至预训练好的安全帽检测模型的步骤之后还包括：
[0106] 若所述安全帽检测模型对应输出的所述检测结果确定所述人体目标未佩戴安全帽时，生成报警信息。
[0107] A8、根据A1所述的安全帽检测与颜色识别方法，所述获取待测图像的步骤具体包括：
[0108] 获取视频监控画面中基于预设的视频抽帧规则确定的所述待测图像。
[0109] A9、根据A1所述的安全帽检测与颜色识别方法，所述根据所述高斯混合模型计算得出的颜色概率值得分，以将颜色概率值最高得分对应的颜色类别确定为安全帽颜色的步骤具体包括：
[0110] 获取所述高斯混合模型输出各颜色类别对应的所述颜色概率值得分；
[0111] 根据所述颜色概率值得分之间的比较，将颜色概率值最高得分对应的所述颜色类别确定为所述安全帽颜色。
[0112] 还提供了B10、一种安全帽检测与颜色识别系统，包括有：
[0113] 获取单元，用于获取待测图像；
[0114] 第一检测单元，用于检测所述待测图像上是否存在人体目标；
[0115] 第二检测单元，用于若存在所述人体目标，则截取所述人体目标所在位置的第一感兴趣区域，并将所述第一感兴趣区域输入至预训练好的安全帽检测模型；
[0116] 第三检测单元，用于若所述安全帽检测模型对应输出的检测结果确定所述人体目标佩戴安全帽时，截取所述安全帽所在位置的第二感兴趣区域，并将所述第二感兴趣区域输入至高斯混合模型；
[0117] 识别确定单元，用于根据所述高斯混合模型计算得出的颜色概率值得分，以将颜色概率值最高得分对应的颜色类别确定为安全帽颜色。
[0118] B11、根据B10所述的安全帽检测与颜色识别系统，所述第一检测单元具体用于：
[0119] 将所述待测图像输入至人体检测模型，并基于所述人体检测模型对应输出的人体检测结果确定是否存在所述人体目标。
[0120] B12、根据B11所述的安全帽检测与颜色识别系统，所述第二检测单元具体包括：
[0121] 第一剪切子单元，用于若所述人体检测结果确定存在所述人体目标时，在所述待测图像上剪切出所述人体目标所在位置的所述第一感兴趣区域；
[0122] 安全帽检测子单元，用于将所述第一感兴趣区域输入至预训练好的安全帽检测模型，以获得所述安全帽检测模型对应输出的安全帽检测结果。
[0123] B13、根据B12所述的安全帽检测与颜色识别系统，所述第三检测单元具体包括：
[0124] 第二剪切子单元，用于若所述安全帽检测结果确定所述人体目标佩戴所述安全帽时，在所述第一感兴趣区域上剪切出所述安全帽所在位置的所述第二感兴趣区域；
[0125] 颜色检测子单元，用于将所述第二感兴趣区域输入至所述高斯混合模型。
[0126] B14、根据B13所述的安全帽检测与颜色识别系统，还包括有：
[0127] 图像处理单元，用于将所述第二感兴趣区域的图像大小转换为预设尺寸，并将经尺寸转换后的所述第二感兴趣区域的图像数据转化为一维向量。
[0128] B15、根据B10所述的安全帽检测与颜色识别系统，还包括有：
[0129] 上报单元，用于将基于所述检测结果确定的所述安全帽的检测信息和所述安全帽颜色，上报至预设终端。
[0130] B16、根据B10所述的安全帽检测与颜色识别系统，还包括：
[0131] 报警单元，用于若所述安全帽检测模型对应输出的所述检测结果确定所述人体目标未佩戴安全帽时，生成报警信息。
[0132] B17、根据B10所述的安全帽检测与颜色识别系统，所述获取单元具体用于：
[0133] 获取视频监控画面中基于预设的视频抽帧规则确定的所述待测图像。
[0134] B18、根据B10所述的安全帽检测与颜色识别系统，其特征在于，所述识别确定单元具体包括：
[0135] 概率值得分子单元，用于获取所述高斯混合模型输出各颜色类别对应的所述颜色概率值得分；
[0136] 颜色确定子单元，用于根据所述颜色概率值得分之间的比较，将颜色概率值最高得分对应的所述颜色类别确定为所述安全帽颜色。
[0137] 还提供了C19、一种存储介质，用于存储一种用于执行A1～A9中任意一种所述安全帽检测与颜色识别方法的计算机程序。
[0138] 还提供了D20、一种计算机设备，包括存储介质、处理器以及存储在所述存储介质上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现A1～A9任一项所述安全帽检测与颜色识别方法。
